在网络安全领域，攻击者一直占据优势：他们只需一次得手，而防御方则必须每次都做对。
但随着人工智能和有效数据应用在行业中日益普及，这一现状可能会发生改变。
要让人工智能和数据最大限度地扭转网络安全的天平，优质数据、合适的人才以及灵活的应用方式至关重要。
在网络安全领域，攻击者历来占据优势。网络犯罪的门槛较低，而防御工作却日益复杂。攻击者只需一次得手，而防御方则必须每一次都做对。
但如今，首次有可能使天平向防御方倾斜。我们可以赋予防御方数据优势。而安全本质上就是一场数据的博弈。
借助合适的数据，组织可以运用人工智能获得有价值的洞察。掌握的数据和情报越多，就越能从中提炼出有意义的信息。
网络安全中的数据与人工智能：助力防御方扭转天平
对防御方而言，数据与人工智能的结合有可能彻底改变局面。它可以帮助企业开始以机器规模而非仅以人力规模开展运营。防御方能够发现更多威胁，并更快遏制攻击，从而将损失降至最低。他们可以逐步从检测与修复转向预测与预防。组织甚至有望应对网络安全资源和技能严重短缺的问题。
以下是数据和人工智能可以开始助力防御方超越攻击者的四种方式：
1. 借助自然语言界面协助安全管理员
安全策略的管理素来以需要高度专业化的资源而闻名。借助人工智能，管理员可以要求助手为其编写新策略，识别并解决数千条现有策略之间的冲突，找出可能被网络攻击利用的配置错误的策略和规则，并执行纠正措施。这将消除错误、降低风险，同时为安全团队节省大量时间，使其更加高效——即使经验较少的人员也能胜任。
2. 关联数据以更高准确度检测攻击
整个IT环境中可获取的遥测数据量十分庞大，涵盖终端进程、网页和应用连接、网络流量、用户行为等诸多方面。这会产生大量信号，进而生成数量众多的警报和误报，使不堪重负的安全团队无法逐一审查，并因此出现警报疲劳。他们忽略低级别警报也在情理之中。借助人工智能模型，他们可以分析并关联那些通常被忽略的细微信号，揭示出一种真实攻击模式的更大信号，而这一信号本不应被忽视，否则可能会被遗漏。这意味着能够穿透防线的攻击会减少，安全团队也能覆盖更广的范围。
3. 预测威胁并实现遏制与恢复的自动化
当深度学习模型开始捕捉到其预测可能构成潜在威胁的新漏洞的细微信号时，人工智能便可在威胁尚未得到证实之前，立即自动触发对环境的快照备份。随后，如果这些细微信号逐渐累积并最终证实为勒索软件，防御方便已拥有可即时恢复的节点，数据不会丢失。这具有颠覆性意义，因为即便防御方并非每次都能做对，他们仍可进行恢复、遏制，并将损失降至最低。
4. 发现隐藏在加密流量中的恶意流量
在大多数流量都已加密的世界里，对所有流量进行解密以开展深度数据包检测并不现实。人工智能可以从海量数据中学习，以识别恶意行为的指标。随后，人工智能可以分析加密流量，近乎实时地推断异常行为，并自动采取相应措施。
充分利用数据与人工智能
尽管数据与人工智能的结合在扭转天平方面前景广阔，但也有一些重要的考量因素。
数据质量至关重要。人工智能模型会摄取海量数据，人们对这些信息的质量日益担忧。模型可能会从被视为“垃圾内容”的材料中学习，这给依赖这些模型进行决策的组织带来挑战。关键在于审慎选择合适的模型和训练方法，以将与有偏见或不可靠数据相关的风险降至最低。
需要“反学习”。就数据和人工智能模型而言，舍弃或重新校准已获取的、可能已过时的数据和知识的能力，与最初的学习过程同样至关重要。过度训练的模型可能会过度依赖历史数据，以至于有可能忽视更新的发展。换言之，此处少即是多，必须在学习与反学习之间取得平衡，以确保长期的准确性和相关性。
随着技术不断进步，我们还必须关注确保其成功所需的人才与技能。扩大人才储备至关重要。组织必须积极从更广泛的资源库中招募人才，这些人才具有更多元的视角、背景和经验，包括设计师和文科专业毕业生等非传统来源。解决问题、批判性思维和创新的能力，将与网络安全专业知识同样重要。多元化的团队还能为威胁带来全新视角，这有助于提升人工智能训练的效果，并改善组织的网络安全态势。事实上，网络安全的目标应是保护全球80亿人口，而网络安全人才应当反映我们所保护的人群。
通过协作共同前行
我们正处于行业中极为激动人心的时期。将合适的数据与合适的人工智能方法相结合，可以成为安全专业人员的力量倍增器，推动防御从被动响应转向主动遏制。但仍有大量工作有待完成。
世界日益紧密地相互连接。经济、政治、社会和环境问题无法孤立应对。要保障世界免受网络攻击，需要大量的公私伙伴关系与协作。尽管行业利益相关方之间存在竞争动态，仍需要在数据交换和互操作性方面达到新的水平。克服这些挑战绝非易事，但这样做将使网络安全的天平偏向防御方。
